Álgebra Lineal. Tema 12. Geometría de las transformaciones lineales en R

Transcripción

1 Álgebra Lineal Tema 12. Geometría de las transformaciones lineales en R Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas AUTORES: J. S ALAS, A. T ORRENTE Y E.J.S. V ILLASEÑOR

2 Índice general 12. Geometría de las transformaciones lineales en R Matrices y transformaciones ortogonales reales Geometría de las aplicaciones lineales Reflexiones Contracciones y dilataciones Rotaciones Proyecciones ortogonales I

3 Tema 12 Geometría de las transformaciones lineales en R Matrices y transformaciones ortogonales reales Por lo aprendido en temas anteriores, sabemos que, además de a vectores y a subespacios vectoriales, el término ortogonal se aplica a ciertas matrices A Rm n : las que verifican At A = In. En este tema vamos a ver que podemos aplicarlo también a ciertas transformaciones lineales, siempre relacionado con algún producto interno, y también a cómo se relaciona, en estos casos, con el concepto geométrico de ortogonalidad. Comenzamos introduciendo algunos resultados. Teorema Sea A una matriz m n con columnas ortonormales y sean v y w elementos de Rn. Entonces: 1) ka vk = kvk. 2) ha v, A wi = hv, wi. 1

4 3) ha v, A wi = si y sólo si hv, wi =. Las propiedades 1) y 3) dicen que la transformación lineal asociada a A, v 7 A v, conserva la longitud y la ortogonalidad; además, la propiedad 2) garantiza que también se conserva el ángulo. Veamos ahora qué significado e implicaciones tiene la ortogonalidad en las transformaciones lineales. Una transformación lineal T de U en V se dice que es ortogonal si preserva el producto interno de los vectores; es decir, para todo u1, u2 U se cumple que ht (u1 ), T (u2 )i = hu1, u2 i. Proposición Si T : U V es ortogonal entonces preserva la longitud de los vectores: kt (u)k = kuk, para todo u U. En consecuencia, a menudo se denomina a las transformaciones ortogonales isometrías. El siguiente resultado es fundamental para entender una propiedad importante de las transformaciones lineales ortogonales. Proposición Si V es un espacio vectorial de dimensión finita con producto interno sobre R, toda isometría lineal T : V V es un isomorfismo. De aquí resulta que T transforma cualquier base de V en otra base de V; como además preserva la longitud y el ángulo, es claro que: 2

5 Proposición Si V es un espacio vectorial de dimensión finita con producto interno sobre R y el isomorfismo T : V V es ortogonal (isometría), entonces T transforma bases ortonormales en bases ortonormales. Además, las matrices ortogonales están íntimamente relacionadas con las transformaciones ortogonales. Proposición Una transformación lineal T : V V es ortogonal si y sólo si las columnas de la matriz AT que representa a T, relativa a cualquier base ortogonal, forman una base ortonormal de V. Proposición Sea AT una matriz cuadrada que representa una transformación lineal ortogonal T : V V, entonces det(at ) = ±1 y los valores propios de AT satisfacen λi = 1. Otras propiedades interesantes que comparten las matrices ortogonales y las transformaciones lineales que representan son las siguientes: El producto de dos matrices ortogonales es ortogonal. Equivalentemente, la composición de dos transformaciones ortogonales es ortogonal. La inversa de una matriz ortogonal es ortogonal; equivalentemente, la inversa de una transformación ortogonal es una transformación ortogonal. 3

6 Ejemplo Consideremos en R2 la transformación que consiste en rotar los vectores un ángulo π de en sentido contrario a las agujas del reloj. Sabemos que podemos construir una 2 matriz asociada a T, respecto a la base canónica, de la forma: 1 AT = (T (e1 ), T (e2 )) =. 1 Obviamente, esta matriz es ortogonal (podemos comprobarlo verificando que At A = I o también observando que está formada por columnas ortonormales). La transformación T también es ortogonal, pues obviamente conserva la longitud de los vectores (basta comprobar que kvk = kat vk para un vector arbitrario v). Además, T es invertible y su inversa es la transformación S que rota los vectores de π R2 un ángulo de en sentido horario. En este caso: 2 1 AS = (S(e1 ), S(e2 )) =. 1 Es inmediato comprobar que A 1 T = AS y también que AtT = A 1 T. Obsérvese que esta sencilla matriz no es diagonalizable en R ya que sus valores propios λ = ±i no pertenecen a este conjunto de escalares. La situación cambia si consideramos el cuerpo C. 4

7 12.2. Geometría de las aplicaciones lineales f 1 (x) = e x f 2 (x) = x f 3 (x) = 2x f 4 (x) = 2x Figura 12.1: Transformaciones lineales y no lineales Los gráficos de la figura 12.1 muestran aplicaciones de R en R; dos de ellas, f 1 (x) = e x y f 2 (x) = x 2, no son lineales y se puede ver que distorsionan el dominio cuando lo transforman en la imagen. Por otro lado, f 3 (x) = 2x y f 4 (x) = 2x son aplicaciones lineales y claramente expanden el dominio de manera uniforme, multiplicando siempre por el mismo factor. Las únicas aplicaciones lineales de R en R son multiplicaciones por escalares, pero en dimensiones mayores existe una variedad mayor de situaciones. Por ejemplo, la transfor- 5

8 mación lineal de R2 en R2 definida por: x1 cos(θ) sen(θ) x1 7. x2 sen(θ) cos(θ) x2 rota los vectores en sentido antihorario un ángulo θ. θ En las siguientes secciones vamos a ver algunas transformaciones lineales de gran importancia geométrica. Aunque pueden ser generalizadas a otros espacios con producto interno, nos centraremos en los espacios R2 y R3 con el producto escalar habitual, y analizaremos cuáles de ellas son transformaciones ortogonales Reflexiones Una reflexión es una transformación lineal T de un espacio vectorial V en sí mismo, en el que existe un hiperplano de puntos fijos, es decir, de puntos cuyas imágenes por T coinciden con ellos mismos; tal conjunto se denomina hiperplano de reflexión (o bien eje de reflexión si V tiene dimensión 2 ó plano de reflexión en dimensión 3). Intuitivamente, podemos visualizar la imagen de un vector por una reflexión mediante su imagen especular en el hiperplano de reflexión. Veamos algunas reflexiones sencillas, donde todas las coordenadas se refieren a las bases canónicas: 6

9 Reflexión respecto al eje X en R2 Esta reflexión transforma el vector de R2 con coordenadas (x, y)t en el vector (x, y)t. Todos los puntos del eje X son puntos fijos. La matriz asociada a esta transformación lineal viene dada por AT = (T (e1 ), T (e2 )). Claramente, 1 AT =. 1 (x, y)t v T (v) (x, y)t Reflexión respecto al eje Y en R2 Esta reflexión transforma el vector de R2 con coordenadas (x, y)t en el ( x, y)t. Los puntos fijos son los del eje Y. La matriz asociada a esta transformación lineal en esta situación es 1 AT =. 1 ( x, y)t (x, y)t T (v) v 7

10 Reflexión respecto a la bisectriz en R2 Esta reflexión transforma el vector de R2 con coordenadas (x, y)t en el vector (y, x)t, por lo que los puntos fijos son los de la recta y = x. La matriz asociada es 1 AT =. 1 (y, x)t T (v) (x, y)t v Reflexión respecto al origen en R2 Esta reflexión transforma el vector de R2 con coordenadas (x, y)t en el vector ( x, y)t ; de manera que el conjunto de puntos fijos sólo contiene al origen. La matriz asociada es 1 AT =. 1 (x, y)t v T (v) ( x, y)t 8

11 Reflexión respecto al plano XY en R3 Los vectores sobre el plano XY se mueven al semiespacio bajo dicho plano y viceversa, cambiando el signo de la coordenada z. La matriz asociada es 1 AT = 1. 1 Reflexión respecto al plano YZ en R3 Con un razonamiento semejante, se deduce que la matriz asociada es 1 AT = 1. 1 Reflexión respecto al plano XZ en R3 Por último, la matriz asociada a esta transformación es 1. AT = 1 1 Puede comprobarse fácilmente que todas las matrices anteriores representan transformaciones lineales ortogonales. Veámoslo con una de ellas: 9

12 Ejemplo Consideremos la transformación lineal dada por la reflexión respecto al plano XY en R3, con el producto escalar usual. Sean dos vectores arbitrarios u = (u1, u2, u3 )t y v = (v1, v2, v3 )t, con imágenes respectivas T (u) = (u1, u2, u3 )t, T (v) = (v1, v2, v3 )t. Tenemos que ht (u), T (v)i = u1 v1 + u2 v2 + ( u3 )( v3 ) = u1 v1 + u2 v2 + u3 v3 = hu, vi, por lo que es una transformación ortogonal. Alternativamente, podemos observar que la matriz AT (respecto a la base ortonormal canónica) es ortogonal, ya que tiene columnas ortonormales y también porque verifica que AtT AT = I Contracciones y dilataciones Estas transformaciones corresponden a multiplicaciones por escalares de la forma: T (x) = c x donde c es un escalar no negativo. La transformación se denomina contracción si 6 c < 1 y dilatación si c > 1. Contracciones y dilataciones en R2 y R3 Obviamente, las coordenadas de un vector (x, y)t de R2 se transforman en (cx, cy)t. Así, la matriz asociada a esta transformación lineal viene dada por: c AT =. c 1

13 Análogamente, en R3 la matriz asociada a la dilatación/contracción es: c AT = c. c Es evidente que, para c 6= 1, las contracciones no son transformaciones ortogonales. Ejemplo Consideremos la transformación lineal T dada por una dilatación por un factor c 6= 1 en R2 con el producto escalar usual. Consideremos dos vectores arbitrarios u = (u1, u2 )t, v = (v1, v2 )t, cuyas imágenes respectivas son T (u) = (cu1, cu2 )t, T (v) = (cv1, cv2 )t. Tenemos que ht (u), T (v)i = c2 u1 v1 + c2 u2 v2 = c2 (u1 v1 + u2 v2 ) 6= u1 v1 + u2 v2 = hu, vi, por lo que no es una transformación ortogonal Rotaciones Rotación en sentido antihorario en R2 (respecto al origen) Dado un vector v de coordenadas (v1, v2 )t y dada la transformación lineal T que rota el espacio en sentido antihorario un ángulo θ, la matriz asociada está caracterizada 11

14 por T (e1 ) = (cos(θ), sen(θ))t y T (e2 ) = ( sen(θ), cos(θ))t ; así: cos(θ) sen(θ) AT =. sen(θ) cos(θ) Rotación en sentido antihorario respecto al eje X en R3 Es sencillo observar que la matriz asociada viene dada por: 1 AT = cos(θ) sen(θ). sen(θ) cos(θ) Rotación en sentido antihorario respecto al eje Y en R3 Del mismo modo, la matriz asociada viene dada por: cos(θ) sen(θ) AT = 1 sen(θ) cos(θ). Rotación en sentido antihorario respecto al eje Z en R3 Finalmente, la matriz asociada en este caso viene dada por: cos(θ) sen(θ). AT = sen(θ) cos(θ) 1 Las rotaciones en el espacio Rn con el producto escalar usual son transformaciones lineales ortogonales (preservan dicho producto escalar). 12

15 Ejemplo Consideremos la transformación lineal dada por la rotación en sentido horario en R2, con el producto escalar usual, un ángulo θ. Las imagenes de los vectores u = (u1, u2 )t y v = (v1, v2 )t son: T (u) = (u1 cos(θ) u2 sen(θ), u1 sen(θ) + u2 cos(θ))t, T (v) = (v1 cos(θ) v2 sen(θ), v1 sen(θ) + v2 cos(θ))t. Tenemos que ht (u), T (v)i = (u1 cos(θ) u2 sen(θ))(v1 cos(θ) v2 sen(θ)) +(u1 sen(θ) + u2 cos(θ))(v1 sen(θ) + v2 cos(θ)) = u1 v1 cos2 (θ) + u2 v2 sen2 (θ) + u1 v1 sen2 (θ) + u2 v2 cos2 (θ) = u1 v1 + u2 v2 = hu, vi, por lo que es una transformación ortogonal. Se deja como ejercicio comprobar que la rotación dada preserva la longitud de los vectores Proyecciones ortogonales En el Tema 11 introdujimos un tipo especial de transformaciones lineales, los proyectores ortogonales, y estudiamos algunas de sus propiedades. En esta sección vamos a ver algunos ejemplos de proyecciones ortogonales en los espacios R2 y R3. 13

16 Proyección sobre el eje X en R2 Esta proyección transforma cada vector de R2 con coordenadas (x, y)t en el vector (x, )t. La matriz asociada a esta transformación lineal viene dada por: 1 AT =. (x, y)t v T (v) (x, )t Proyección sobre el eje Y en R2 Esta proyección transforma cada vector de R2 con coordenadas (x, y)t en el vector (, y)t y tiene por matriz asociada AT =. 1 (x, y)t v T (v) (x, y)t 14

17 Proyección sobre el eje X en R3 Esta proyección transforma el vector de R3 con coordenadas (x, y, z)t en el vector (x,, )t. La matriz asociada será 1 AT =. Proyección sobre el eje Y en R3 Del mismo modo, esta proyección transforma el vector de R3 con coordenadas (x, y, z)t en el vector (, y, )t. Ahora, la matriz asociada a la transformación lineal será:. AT = 1 Proyección sobre el eje Z en R3 Por último, esta proyección transforma el vector de R3 con coordenadas (x, y, z)t en el vector (,, z)t y tendrá por matriz asociada: AT = 1 15.

18 Proyección sobre el plano XY en R3 Es claro que esta proyección sobre el plano transforma el vector de R3 con coordenadas (x, y, z)t en el vector (x, y, )t. Por tanto, la matriz asociada a esta transformación lineal será: 1. AT = 1 Proyección sobre el plano XZ en R3 Ahora la proyección transforma cada vector de R3 con coordenadas (x, y, z)t en el vector (x,, z)t. Su matriz asociada vendrá dada por: 1 AT =. 1 Proyección sobre el plano YZ en R3 Esta proyección transforma cada vector de R3 con coordenadas (x, y, z)t en el vector (, y, z)t. La matriz asociada a esta transformación lineal será: AT = 1. 1 Es inmediato comprobar que todas las transformaciones descritas verifican las condiciones de proyección ortogonal y que las correspondientes matrices que las representan son idempotentes. No obstante, las proyecciones ortogonales no son transformaciones linea16

19 les ortogonales, es decir, no son isometrías, como ilustra el siguiente ejemplo. Ejemplo Consideremos en R3, con el producto escalar usual, la proyección ortogonal T que proyecta ortogonalmente sobre el plano XY. T transforma los vectores u1 = (1, 1, 1)t y u2 = (,, 1)t en los vectores T (u1 ) = (1, 1, )t y T (u2 ) = (,, )t, respectivamente. Es inmediato comprobar que T no es ortogonal pues no se verifica la definición: ht (u1 ), T (u2 )i = 6= 1 = hu1, u2 i. Alternativamente, también podríamos haber observado que T no preserva la longitud: kt (u1 )k = 2 6= 3 = ku1 k. Otras opciones para probar que no es transformación ortogonal serían calcular el determinante de AT (que vale ) u observar que las columnas de AT no forman una base ortonormal de R3. 17